遠(yuǎn)景能源以全生命周期為視角，開發(fā)了如下資產(chǎn)后評(píng)估功能模塊：設(shè)計(jì)后評(píng)估、運(yùn)行后評(píng)估、產(chǎn)品后評(píng)估、技改后評(píng)估及風(fēng)場對(duì)標(biāo)后評(píng)估五大體系。
　　以Wind OS™能源互聯(lián)網(wǎng)平臺(tái)為依托，完成不同區(qū)域、不同設(shè)備制造商、不同運(yùn)維團(tuán)隊(duì)等不同類型風(fēng)電場的能量可利用率橫向?qū)Ρ?，為宏觀管理、科學(xué)決策提供依據(jù)。通過資產(chǎn)評(píng)估，找到電量損失原因，通過遠(yuǎn)景一體化智慧風(fēng)場解決方案，針對(duì)絕大多數(shù)風(fēng)場，可以獲得5%-10%的發(fā)電量提升。　　實(shí)現(xiàn)對(duì)風(fēng)場尾流的有效控制
　　尾流效應(yīng)是影響風(fēng)電場發(fā)電量的重要因素之一，其造成的真實(shí)能量損失高達(dá)10%以上，部分海上風(fēng)場真實(shí)尾流損失甚至接近20%。因此在進(jìn)行風(fēng)場機(jī)位排布時(shí)，在主風(fēng)向上會(huì)盡可能增加風(fēng)機(jī)間的距離，以減小尾流效應(yīng)影響。但在主風(fēng)向以外的其他風(fēng)向上，仍然可能由于尾流效應(yīng)產(chǎn)生較大的能量損失。因此，風(fēng)機(jī)間的協(xié)同控制在降低尾流損失方面就顯得尤為重要。
　　基于大數(shù)據(jù)技術(shù)，有效整合風(fēng)場實(shí)時(shí)流場模型數(shù)據(jù)，風(fēng)電場流場預(yù)測數(shù)據(jù)，風(fēng)機(jī)與測風(fēng)塔量測數(shù)據(jù)，真正建立工業(yè)級(jí)的風(fēng)電場協(xié)同控制能力，實(shí)現(xiàn)對(duì)風(fēng)電場尾流的有效控制。
　　風(fēng)場中每臺(tái)風(fēng)機(jī)運(yùn)行情況的變化會(huì)引起自身尾流的變化，進(jìn)而影響風(fēng)電場實(shí)時(shí)流場數(shù)據(jù)，最終體現(xiàn)在其他風(fēng)機(jī)所能捕獲的風(fēng)能及全風(fēng)場發(fā)電量的變化上?；陲L(fēng)電場運(yùn)行產(chǎn)生的大數(shù)據(jù)，包括風(fēng)場實(shí)時(shí)流場模型數(shù)據(jù)，風(fēng)電場流場預(yù)測數(shù)據(jù)，風(fēng)機(jī)與測風(fēng)塔量測數(shù)據(jù)等，遠(yuǎn)景通過有效地整合，并結(jié)合風(fēng)機(jī)模型，最終建立起風(fēng)場級(jí)的數(shù)學(xué)模型。
　　結(jié)合風(fēng)場的流場模型，便可以利用非線性尋優(yōu)算法對(duì)風(fēng)場中各風(fēng)機(jī)發(fā)電情況進(jìn)行最優(yōu)規(guī)劃，綜合考慮風(fēng)況實(shí)時(shí)的動(dòng)態(tài)變化和風(fēng)機(jī)運(yùn)行的物理限制(如風(fēng)機(jī)輸出功率對(duì)風(fēng)速和風(fēng)向變化的響應(yīng)時(shí)間等)，實(shí)現(xiàn)風(fēng)場級(jí)協(xié)同控制以減小尾流影響帶來的損失。同時(shí)，遠(yuǎn)景的智能協(xié)調(diào)算法將各風(fēng)機(jī)的運(yùn)行狀態(tài)閉環(huán)反饋到風(fēng)場流場模型中，實(shí)時(shí)在線進(jìn)行系統(tǒng)學(xué)習(xí)并調(diào)整模型，消除外界環(huán)境的隨機(jī)干擾因素，從而進(jìn)一步提高風(fēng)場模型的精度，取得最優(yōu)全場發(fā)電量。
　　通過對(duì)零部件故障信息的挖掘，優(yōu)化產(chǎn)品設(shè)計(jì)和零部件選型，實(shí)現(xiàn)預(yù)防性維護(hù)
　　利用大數(shù)據(jù)技術(shù)，可以通過數(shù)理統(tǒng)計(jì)、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、人工智能等深度數(shù)據(jù)挖掘算法，在海量數(shù)據(jù)中，挖掘出零部件故障信息，追溯其在設(shè)計(jì)、制造、裝配、運(yùn)輸、安裝各個(gè)環(huán)節(jié)的潛在缺陷，快速找尋引起故障或失效的原因。一方面從產(chǎn)品全生命周期角度考慮，可以閉環(huán)形成對(duì)設(shè)備的預(yù)防性維護(hù)和預(yù)測性維護(hù)策略，同時(shí)可以進(jìn)一步閉環(huán)到產(chǎn)品設(shè)計(jì)與零部件選型;另一方面，基于零部件的大量數(shù)據(jù)失效積累，可以理性推進(jìn)預(yù)防性維護(hù)，真正提升現(xiàn)場維護(hù)工作的計(jì)劃性。